下载文档原格式
Main Features Embedded Linux – safer solution against PC crashes and virus attacksOne-click setup for more than 100 brands of IP camerasezNUUO – free from router settings for web/ mobile viewingPoint of Sale (POS)1Alarm source of NUUO Central Management SystemRAID 0,1 supportSuppoort Camera motion eventSupport camera multi-stream setting21POS device configuration is only available in web.23NVRsolo with dual record, RAID 1 total throughput with 170Mbps, RAID 0 total throughput with 170Mbps.4These functions are only available on NUUO, Zavio camera.5Acer T232HL and ViewSonic TD2220.6Please check the supported camera spec list on website. Besides, to use this feature, you have to enable 2nd stream function on setting page first.7NP-2040S/NP-2080S/NP-2160S can support up to 16 cameras with license activation (license type: 1/2/4/6/8/10ch)8RAID and high-volume HDD (more than 6TB) will decrease MAX Throughput.9SAMSUNG Camera SNO-L6083R 1st stream does not support H.264, so NVRsolo will take 2nd stream as main stream. Thus 1st stream on UI will connect to camera 2nd stream, and vice versa.10Depend on IP cameras.11POS device configuration and search function are available in web only12Please refer to performance report for more details.13Please check the supported camera spec list on website. Besides, to use this feature, you have to enable multi-stream function on setting1415Please refer to performance report for more details.16Please check the supported camera spec list on website. Besides, to use this feature, you have to enable 2 nd stream function on web setting17。
PLUS实时定位系统 产品说明书北京奇立世通科技发展有限公司2010年1月1概述PLUS超宽频即时定位系统的由美国Time Domain公司出品。
和同类产品相比，该系统具有部署简单，性能价格比高，精度高，标签位置稳定不飘移，信号抗干扰能力强，标签发射状态和频率可以动态更新等突出特点。
系统由标签，阅读器，同步分配器，天线,标签确认点和定位软件组成。
标签是一个超宽频信号发射装置，每秒发射1～10次信号。
接收器（天线和阅读器的组合）接收标签发来的标签识别号，记录到达时间（TOA），然后传给同步器进行同步处理，解析出到达时间差（TDOA）,然后把以上信号和其他一些验证信号例如信号强度等打包通过网络协议发送给服务器进行处理，就可以计算出标签（也就是需要被跟踪的人员或者物体）所处位置以及运动轨迹。
每一个标签都有一个独一无二的识别号，所以系统知道每一个标签在每一个时刻的位置以及运动信息。
标签确认点TAP向标签发射2.4 GHz 信号，可以动态地改变标签的发射频率（1~10Hz）和操作模式（活跃或者待机）。
这种设计可以使标签在非工作时间内处于待机状态，节省电池消耗，延长电池寿命。
PLUS系统部署符合本项目通过在固定场所布设定位接收装置，被定位人员佩戴射频信号发射标签的方式，实现指定区域内人员的实时精确定位并且被定位人员的坐标数据通过以太网实时传输给上层应用系统的要求。
标签位置偏差通常情况下不超过正负15cm，如果增加接收装置部署密度，精度更可达到正负5cm以下，超过建设要求。
如果部署在室外，标签的防护等级为IP64，满足建设要求。
信号中心频率为7.3GHz，带宽大约为1GHz,该频段为我国无线电管理开放频段，不会和现有通讯设备相互干扰，符合我国无线电管理规定。
系统遵循如下原则进行建设：（1） 先进性与成熟性原则：PLUS系统是著名实时射频定位系统生产商Time Domain的产品，在该领域享有盛誉，10多年来PLUS系统在美国的很多医院，养老院，超级市场部署，是先进成熟的产品。
常用S-Plus函数用随机数建立一个数据框x<-data.frame(R1=rnorm(200),R2=2+rnorm(200)*2)对数据框中的变量画直方图histogram(~varname,data=dataframeneme[,nint=20 #bar的数量] [,tpye="count"#计数，默认为百分比})对向量做直方图histogram(~vectorname)x <- rnorm(100)ks <- ksmooth(x, kernel = "normal", bandwidth = bandwidth.nrd(x))hist(x, prob = T, ylab = "Density",xlab="概率密度估计曲线",xlab.size=30, col =105)lines(ks$x, ks$y, col = 6, lwd = 3)1 数据操作处理函数attach() 调入数据name.cols 列名numCols 返回列数numRows 返回行数mean 均值median 中值max 最大值min 最小值stdev 标准差var() 方差协方差cor() 相关系数sum 求和prod 求乘积colMeans(x, na.rm=F, dims=1)colSums(x, na.rm=F, dims=1)colVars(x, na.rm=F, dims=1, unbiased=T, SumSquares=F)colStdevs(x, na.rm=F, dims=1, unbiased=T, SumSquares=F) rowMeans(x, na.rm=F, dims=1)rowSums(x, na.rm=F, dims=1)rowVars(x, na.rm=F, dims=1, unbiased=T, SumSquares=F) rowStdevs(x, na.rm=F, dims=1, unbiased=T, SumSquares=F)矩阵函数vector(mode="logical", length=0) 生成向量is.vector(x, mode="any")as.vector(x, mode="any")matrix(data=NA, nrow= , ncol= ,byrow=F, dimnames=NULL) 生成矩阵ncol(x) 设定矩阵的列数nrow(x) 设定矩阵的行数is.matrix(x)as.matrix(x)t(m) 矩阵转置字符操作函数paste 连接字符串作图函数Plot()densityplot(~x) 作密度图barplot 作柱形图hist(x) 作直方图histogram(~x) 作直方图pie()boxplot()rnorm() 生成正态随机数ceiling(x)floor(x)trunc(x)exp(x)log(x) 自然对数logb(x, base= ) 给定底数的对数值log10(x) 常用对数:10为底 sqrt(x)par(mfrow=c(2,2))plot(pnorm(y),col=200) hist(qnorm(y),col=243) hist(y) barplot(y)020*********0.20.40.60.81.0p n o r m (y )-2-101202468qnorm(y)-2-10125101520y-1012x<- seq(-4,4,by=0.1); y<-dnorm(x); plot(x,y,type="l",col=243,lwd=2,cex=1,xlab="Normal Distribution",ylab="Prob. Density",main="Distribution Density")-4-2024Normal Distribution0.00.10.20.30.4P r o b . D e n s i t y图形结果x <- rbeta(1000,1,5) ks <- ksmooth(x, kernel = "normal",bandwidth =bandwidth.hb(x)) hist(x, prob = T, ylab = "Density",xlab="概率密度估计曲线", xlab.size=10, col =150,n=20)lines(ks$x, ks$y, col = 3, lwd = 3)0.00.20.40.60.801234概率密度估计曲线D e n s i t yguiPlot( PlotType = "Area", DataSet = "m", Columns = "x,den")guiModify( "AreaPlot", Name = "GS1$1$1", StartFillColor = "Lt Magenta")0.00.20.40.60.81.0x0123d e npar(mfrow=c(3,3)) for (i in 1:9) {for (j in 1:9){ a<-rbeta(3000,i/10,j/10) den2<- density(a)plot(den2$x,den2$y,type="l",col=98,xlab=paste("a=",i/10, " b=",j/10),ylab="" ) } }0.00.20.40.60.8 1.0a= 0.5 b= 0.102460.00.20.40.60.8 1.0a= 0.5 b= 0.2012340.00.20.40.60.8 1.0a= 0.5 b= 0.30.01.02.03.00.00.20.40.60.8 1.0a= 0.5 b= 0.40.00.51.01.52.00.00.20.40.60.8 1.0a= 0.5 b= 0.50.00.51.01.50.00.20.40.60.8 1.0a= 0.5 b= 0.60.00.51.01.50.00.20.40.60.8 1.0a= 0.5 b= 0.70.00.51.01.52.00.00.20.40.60.8 1.0a= 0.5 b= 0.80.00.51.01.52.00.00.20.40.60.8 1.0a= 0.5 b= 0.90.00.51.01.52.0i<-1while(i<20){cat("this is =",i,"\t"); if (i%%5==0) cat("\n") i=i+1; };par(mfrow=c(3,3)) y<- rnorm(50)plot(y,col=40,type="l",ylab="",main="option is l") plot(y,col=40,type="p",ylab="",main="option is p") plot(y,col=40,type="b",ylab="",main="option is b") plot(y,col=40,type="o",ylab="",main="option is o")plot(y,col=40,type="s",ylab="",main="option is s") plot(y,col=40,type="h",ylab="",main="option is h") plot(y,col=40,type="n",ylab="",main="option is n")010********-2-112option is l010********-2-112option is p1020304050-2-1012option is b010********-2-112option is o010********-2-112option is s1020304050-2-1012option is h1020304050-2-1012option is nS-Plus 循环控制语句for(name in values) expr while(test) expr repeat expr break nextfor(i in 1:10) print(i) n <- 10while(n > 0) {cat("n is still greater than 0\n") n <- n - 1 }j<- 0.1while (j < 1){a<-rbeta(5000, 0.1, j)hist(a,xlab=paste("a=0.1,b=",as.character(j)),n =20,col=24 )densityplot(~a)j=j+0.1;}选择子数据集：df[df$.Col>100,c("CONTRACTNO","RMBCORPUS",".Col")]累积概率密度的反函数/分位数函数Computes the inverse of the cdf of the Normal distribution ---------------------------------------------------------------------------------- SAS：probit(p)S-Plus: qnorm(p)GAUSS: cdfni(p)EViews: @qnorm(p)用S-Plus编写自定义函数(相当于SAS中的宏macro)例内部收益率计算aac<- function(r){p<- 2000/(1+r) + 2000/(1+r)^2 + 2500/(1+r)^3 + 4000/(1+r)^4; r=100*r; cat("r=",r,"% ","p=",p,'\n');}for (i in 0:10)aac(0.1+i/100)输出结果r= 10 % p= 8081.41520387951r= 11 % p= 7887.94901812229r= 12 % p= 7701.62497396918r= 13 % p= 7522.10518758412r= 14 % p= 7349.07092183868r= 15 % p= 7182.22133282829r= 16 % p= 7021.27230902569r= 17 % p= 6865.95539546908r= 18 % p= 6716.01679606641r= 19 % p= 6571.2164477151r= 20 % p= 6431.32716049383。
R语言使用简介（转载）这篇介绍写得挺好，请选了应用统计学课的同学看一看。
R模拟著名的统计软件：S－PLUS。
两者语法基本相同，有些功能R少一些，例如：S－PLUS 有菜单而R没有，不过，R也正在开发菜单系统。
对于wind ows系统，下载R的安装程序：setupR.exe。
安装后，运行安装目录的bin子目录下的R gui.exe，即运行R。
R打开后界面简洁，它没有做数据分析用的菜单系统，我们所有的分析工作都是在程序窗口中输入程序来完成。
你会看到有一个红色的：>▌，就在这里输入程序。
普通模式中，每输入一条语句，回车后就执行。
也可以把程序输入在一个文件中，用sourc e函数来调用执行，例如：source("C:\\work\\pro.txt")，表示调用c盘work目录下的pr o.txt文件同时执行其中的R程序，请注意文件路径的写法。
基本语法：R的变量名一般是由字母开头的，其后可有数字，下划线不可以，请注意：R的变量名和命令是区分大小写的。
R中用-> 和<- 来进行赋值，这两个符号功能一样，只是方向不同。
例如：15->x 表示把值15赋值给变量x ，用x<-15 ，效果是一样的。
例如：10->x ，表示把10赋值于x，数值变量；“www”->y ，表示把字符串”www”赋值于y，字符变量。
数据输入：c(12,14,16,33)->x 表示把一个向量(12,14,16,33)赋予变量x。
简单的就可以理解为x是一个数值变量，目前有数据12,14,16,33。
用求均值函数mean()就可以求其平均数：mean(x)，系统会输出18.75。
类似的，sd(x)输出标准差9.64，median(x)则输出中位数15。
Matlab统计功能简介-兼与S_PLUS比较2007-4-141主要内容★Matlab统计功能介绍★S_PLUS对应功能2007-4-142参考资料statistics toolboxComputational Statistics Handbook with MATLAB S-PLUS 6 for Windows Guide to Statistics2007-4-143Matlab统计功能概率分布描述性统计统计作图假设检验线性和非线性模型多变量统计等等2007-4-144概率分布MATLAB中函数*pdf, *cdf, *inv(cdf-1),*rndS_PLUS中函数d*,p*,q*,r*2007-4-1452007-4-146连续型Beta (beta*) (*beta) 指数分布(Exponential) (exp*) (*exp)Gamma (gam*) (*gamma) 对数正态分布(Lognormal) (logn*) (*lnorm) 正态分布(Normal) (norm*) (*norm) 均匀分布(Uniform) (unif*) (*unif)Weibull (wbl*) (*weibull)函数MATLAB S-PLUS连续型统计分布卡方分布(Chi-square) (chi2*) (*chisq)非中心卡方分布(Non-central Chi-square) (ncx2*) (pchisq(3,5,ncp=1),ncx2cdp(3,5,1))F (f*) (*f)Non-central F (ncf*)(ncfcdf(3,5,1,2), pf(3,5,1,ncp=2))t (t*) (*t)Non-central t (nct*)2007-4-147离散型二项分布(Binomial) (bino*) (*binom) 几何分布(Geometric) (geo*) (*geom) 超几何分布(Hypergeometric) (hyge*) (*hyper) 负二项分布(Negative binomial) (nbin*)(*nbinom)泊松分布(Poisson) (poiss*) (*pois)2007-4-148计算标准正态分布概率密度函数x=0时的值>>normpdf(0)ans=0.3989>dnorm(0)#S_PLUS[1] 0.39894232007-4-1492007-4-1410>>normcdf(2, 1, 3)ans =0.6306( >pnorm(2,1,3)# S_PLUS [1] 0.6305587)计算P(2 < X < 4), 则有>>normcdf(4, 1, 3) -normcdf(2, 1, 3) ans =0.2108>pnorm(4,1,3)-pnorm(2,1,3)#S_PLUS [1] 0.2107861()1,3X N ∼设，计算()2P X ≺>>norminv(0.95, 1, 3)ans =5.9346>qnorm(0.95,1,3)#S_PLUS[1] 5.9345612007-4-1411描述性统计均值中位数方差标准差等2007-4-1412应用举例>>load sz.data>>p1=sz(:,1)>>p2=sz(:,2)>>mean(p1)-均值>>var(p1)-方差>>std(p1)-标准差>>prctile(p1,50)-分位值>>prctile(p1,25)2007-4-1413应用举例>>skewness(p1)-偏度>>kurtosis(p1)-峰度>>min(p1)>>max(p1)>>range(p1)-范围>>median(p1)-中位数2007-4-1414S_PLUS>sz_importData("……\\sz.txt",type="ASCII")>p1_sz[,1]>p2_sz[,2]>stdev(p1)-标准差[1] 124.8987>quantile(p1,c(.25,.50,.75))-分位数25% 50% 75%1480.125 1669.4 1712.3252007-4-1415作图盒形图分布图散点图等2007-4-14162007-4-1417盒形图(boxplot)>>x = [normrnd(4,1,1,100) normrnd(6,0.5,1,200)];均值标准差1x100矩阵>>boxplot(x)>x_append(rnorm(100,4,1),rnorm(200,6,0.5))>boxplot(x)7654322007-4-1418直方图(hist)Matlab>>hist(x)2007-4-1419>>hist(x,15)2007-4-14202007-4-1421>set.seed(100)>x_append(rnorm(100,4,1),rnorm(200,6,0.5))>hist(x)2345678020406080x2007-4-1422散点图Matlab>>y =[88,85,88,91,92,93,93,95,96,98,97,96,98,99,100,102]>>x=1:16>>plot(x,y,'+') >> plot(x,y,‘.')2007-4-1423S_PLUS>y =c(88,85,88,91,92,93,93,95,96,98,97,96,98,99,100,102)>x_1:16>plot(x,y,pch=‘+’)++++++++++++++++xy51015859095100线形图>>plot(x,y)2007-4-1424>plot(x,y,type=‘l’)159y95851015x2007-4-14252007-4-1426分布图卡方分布f分布2007-4-1427标准正态分布x=-5:0.01:5;y=normpdf(x,0,1);plot(x,y)2007-4-14282007-4-1429t分布和标准正态分布>> x=-5:0.1:5>> y=tpdf(x,5);>> z=normpdf(x);>> plot(x,y,'-',x,z,'-.')2007-4-1430S_PLUS标准正态分布-3-2-101230.00.10.20.30.4#标准正态分布x=seq(-3,3,0.01)plot(x,dnorm(x),type='l',xlab='',ylab='',col=8,main='标准正态分布')2007-4-1431t 分布-3-2-101230.10.20.3自由度为5的t 分布自由度为1的t 分布x=seq(-3,3,0.01)plot(x,dt(x,5),type='n',xlab='',ylab='',main='t 分布')lines(x,dt(x,5),lwd=3,col=8)lines(x,dt(x,1),lty=3,lwd=3,col=6)legend(-1.2,0.1,c('自由度为5的t 分布','自由度为1的t 分布'),lty=c(1,3),col=c(8,6))2007-4-1432卡方分布2468100.00.050.100.15自由度为4的卡方分布自由度为7的卡方分布x=seq(0,10,0.1)plot(x,dchisq(x,4),xlab=' ',ylab=' ',type='n',main='卡方分布')lines(x,dchisq(x,4),lwd=3,col=10)lines(x,dchisq(x,7),lty=4,lwd=3,col=12)legend(5,0.15,c('自由度为4的卡方分布','自由度为7的卡方分布'),lty=c(1,4),lwd=3,col=c(10,12))2007-4-1433x=seq(0,10,0.1)plot(x,df(x,1,3),xlab=' ',ylab=' ',type='n',main='f 分布') lines(x,df(x,1,3),lwd=3,col=6)lines(x,df(x,5,9),lty=4,lwd=3,col=8)legend(4,0.8,c('自由度为(1,3)的f 分布','自由度为(5,9)的f 分布'),lty=c(1,4),lwd=3,col=c(6,8))f 分布2468100.00.20.40.60.81.0自由度为(1,3)的f 分布自由度为(5,9)的f 分布假设检验零假设(Null hypothesis)备择假设(Alternative hypotheses)置信水平(Significance level)P值(p-value)置信区间(Confidence intervals)2007-4-14342007-4-1435假设检验(S_PLUS )x_c(850,740,900,1070,930,850,950,980,980,880,1000,980,930,650,760,810,1000,1000,960,960)t.test(x,mu=990)One-sample t-Testdata: xt = -3.4524, df = 19, p-value = 0.0027alternative hypothesis: mean is not equal to 990 95 percent confidence interval:859.8931 958.1069 sample estimates:mean of x909单样本t 检验Matlabx=[850,740,900,1070,930,850,950,980,980,880,1000,980,93 0,650,760,810,1000,1000,960,960]>> [h,pvalue,ci]=ttest(x,990)h =1pvalue=0.0027ci=859.8931 958.10692007-4-14362007-4-1437t.test(x,conf.level=.9,mu=990)#SOne-sample t-Testdata: xt = -3.4524, df = 19, p-value = 0.0027alternative hypothesis: mean is not equal to 990 90 percent confidence interval: 868.4308 949.5692 sample estimates: mean of x909置信水平0.92007-4-1438>> [h,pvalue,ci]=ttest(x,990,0.1)#M h =1pvalue =0.0027ci =868.4308 949.5692显著性水平0.12007-4-1439> var.test(x,y)F test for variance equalitydata: x and yF = 1.0755, num df = 11, denom df = 6, p-value = 0.9788 alternative hypothesis: ratio of variances is not equal to 1 95 percent confidence interval: 0.198811 4.173718 sample estimates:variance of x variance of y457.4545 425.3333检验方差是否相等，结果表明方差相等不容拒绝。
